TDLeaf(λ)で強くならない…

　前に5五将棋をTDLeaf(λ)で学習させた時は、確か対sspで勝率8割位まで行ったはずが、学習させ直すとなかなか強くなりません。

　ただ、ようやく5割程度にまで伸びたので、これをベースに方策勾配法で学習させる事にしました。

　探索は全幅0手だとすぐ収束しちゃうみたいなんで、全幅1手でやってみます。

　今の所24時間あたり100万局ペースで行ってるんで、そこそこの速度は出ています。

　後は元のパラメータより強くなるかですが、こればっかりはやってみないと分かんないんで、明日の結果に期待です。